RL Infra 研究工程师

职位描述： 主要负责维护和开发Moonshot内部的强化学习后训练框架，支持万亿参数模型reasoning、agentic等方向的文本&多模态RL后训练； 与训练推理引擎方向的团队合作，探索算法、框架、硬件的协同设计，提升大规模强化学习训练的稳定性和效率； 职位要求： 有扎实的工程算法基础和工程实现能力，熟悉Python等语言，熟练掌握Pytorch等深度学习框架和常见性能调试/分析工具； 对Megatron-LM/vLLM等主流训推引擎有深入的了解，对大模型RL训练中的实际问题（如训推不一致、Rollout长尾等）排查和解决有经验； 有扎实的强化学习算法基础和实际RL训练经验； 加分项：有出色的开源项目经历（如为vLLM、VeRL等框架提交过重要PR）、对口的顶会发表者（如RL稳定性、环境scaling、长尾问题解决等Paper）优先； 业界知名RL框架经验（如verl、roll、slime等） / 开源项目贡献者 / 顶会paper